KOPERTIS WILAYAH X 192
APLIKASI DASHBOARD PENENTU PRIORITAS KERJA TEKNISI PT. TELKOMSEL PEKANBARU MENGGUNAKAN FUZZY LOGIC
Ali Hamsar*, Erlin
Jurusan Teknik Informatika, STMIK Amik Riau, Pekanbaru, *ali.hamsar@stmik-amik-riau.ac.id
Submitted : 21-06-2016, Reviewed: 21-06-2016, Accepted: 21-06-2016 http://dx.doi.org/10.22216/jit.2016.v10i3.603
Abstract
The difficulty of Telkomsel’s technician in determining work priorities to fix the problem of Node-B devices has impacted to the declining quality of data services that are accessed by customers. Dashboard application to determine the work priority of technicians at PT. Telkomsel Pekanbaru has been analyzed, designed, and evaluated. This application is built using fuzzy logic tahani’s model with input parameters such as the temperature of devices, age of site maintenance and site revenue.Output of this application is the recommendations which is the Node-B devices have to check based on the appropiate of temperature criteria. The results showed that the dashboard application is able to identify high temperature of Node-B devices quickly and accurately, hence the quality of data services is maintained.
Keywords: dashboard application, work priority, fuzzy logic, tahani’s model, temperature criteria
Abstrak
Kesulitan teknisi PT. Telkomsel Pekanbaru dalam menentukan prioritas kerja perbaikan perangkat Node-B yang bermasalah berimbas kepada menurunnya kualitas layanan data yang diakses oleh pelanggan. Aplikasi dashboard untuk menentukan prioritas kerja teknisi pada PT. Telkomsel Pekanbaru telah dianalisa, dirancang, dan dievaluasi. Aplikasi ini dibangun menggunakan fuzzy logic model tahani dengan parameter input berupa suhu perangkat, umur maintenance site dan revenue site. Output dari aplikasi ini berupa rekomendasi prioritas pengecekan perangkat node-B berdasarkan kriteria suhu yang sesuai. Hasil penelitian menunjukkan bahwa aplikasi dashboard mampu mengidentifikasi high temperature perangkat Node-B secara cepat dan tepat, sehingga kualitas layanan data tetap terjaga.
Kata Kunci : aplikasi dashboard, prioritas kerja, logika fuzzy, model tahani, kriteria suhu
PENDAHULUAN
Dalam dunia telekomunikasi, perangkat memegang peranan penting dalam menunjang layanan data terhadap
pelanggan. Perangkat yang berfungsi untuk menghubungkan pelanggan dengan operator PT. Telkomsel adalah Base Transceiver Station (BTS) yang dalam dunia 3G disebut dengan istilah Node-B. Apabila perangkat Node-B bekerja dengan baik, maka layanan data akan diterima dengan baik pula oleh
pelanggan, sehingga tingkat kepuasan pelanggan dapat dipenuhi.
Gangguan yang dialami oleh pelanggan seluler Telkomsel disebabkan oleh banyak faktor dimana salah satu faktor adalah kurang maksimalnya kerja perangkat Node-B yang menyebabkan perangkat sering “hang”. Hang ini diakibatkan oleh high temperature yang terjadi pada perangkat Node-B, yang mengakibatkan pelanggan
KOPERTIS WILAYAH X 193
Telkomsel tidak lagi nyaman dalam penggunaan aplikasi data.
Kondisi high temperature pada perangkat
Node-B disebabkan oleh umur maintenance site yang sudah lama yang menyebabkan sirkulasi udara pada perangkat tidak normal dan juga dapat diakibatkan oleh adanya masalah pada perangkat pendingin dari perangkat tersebut.
Bertolak dari permasalahan tersebut, dibangun aplikasi dashboard penentu detector suhu menggunakan fuzzy logic. Fuzzy Logic merupakan metode sangat populer yang telah banyak diimplementasikan oleh banyak peneliti (Kusumadewi, 2010; Suyanto, 2014). Aplikasi ini yang berfungsi sebagai indikator penentuan kriteria suhu perangkat Node-B. Fuzzy Logic model tahani yang dipilih merupakan metode fuzzy logic yang cukup populer digunakan oleh beberapa peneliti terdahulu (P, Indrastanti, & Oktriani, 2008), (Lumbangaol, 2013),(Goi, Ii, Ngurah, & Denpasar, 2011). Aplikasi dashboard yang dirancang ini akan membantu teknisi untuk menentukan urutan kerja sehingga pekerjaan yang paling urgent
untuk diselesaikan akan diberi prioritas utama oleh aplikasi dashboard ini. Adanya aplikasi ini, problem high temperature pada perangkat Node-B dapat teridentifikasi dan terselesaikan secara cepat, sehingga layanan data dari PT Telkomsel kepada pelanggan tidak terganggu.
ANALISA DAN PERANCANGAN SISTEM
Analisa dan perancangan aplikasi yang dibangun perlu dilakukan melalui beberapa tahapan.
Analisa Sistem
Saat ini PT Telkomsel Pekanbaru belum memiliki sistem yang baik dalam
menampilkan kondisi dari perangkat Node-B
khususnya kondisi temperaturnya. Hal ini menyebabkan sulitnya teknisi Telkomsel mengetahui informasi tentang kondisi dari perangkat Node-B yang dimiliki. Untuk mengetahui kondisi temperatur Node-B, teknisi terlebih dahulu harus tersambung ke server dengan menggunakan aplikasi khusus untuk perangkat.
Sistem yang akan dibangun merupakan sistem basis data fuzzy (Fuzzy Database System). Relasi yang ada dalam basis data masih bersifat standar karena model yang digunakan adalah model tahani, dengan penekanan fuzzy pada beberapa field dalam tabel-tabel yang ada pada basis data tersebut.
1. Kebutuhan Input
Kebutuhan input fuzzy, terdiri dari : a. Data-data perangkat Node-B yaitu: suhu
perangkat, umur maintenance site, dan
revenue site.
b. Batas bawah (parameter a untuk semua bentuk fungsi), batas atas (parameter b untuk fungsi berbentuk bahu dan parameter c untuk fungsi segitiga), serta nilai tengah (parameter b untuk fungsi segitiga) untuk variabel-variabel pada bagian (a).
2. Kebutuhan Output
Output sistem berupa rekomendasi pengecekan kondisi perangkat Node-B berdasarkan kriteria suhu yang sesuai dengan yang diinginkan pengguna.
Perancangan Sistem
Perancangan sistem dalam penelitian ini menggunakan 3 tahap yaitu rancangan output, rancangan input dan rancangan basis data.
KOPERTIS WILAYAH X 194
Output dari sistem berupa rekomendasi kepada teknisi dalam melakukan pemeriksaan perangkat Node-B berdasarkan kriteria variabel sesuai dengan yang diinginkan pengguna. Dengan adanya rekomendasi tersebut maka para teknisi mempunyai skala prioritas dalam melakukan pekerjaannya, rancangan outputnya seperti pada gambar 1 berikut ini :
Gambar 1. Dashboard hasil rekomendasi
Hasil dari tampilan dashboard tersebut berupa tampilan warna, dimana setiap site warnanya bisa berbeda dengan site lainnya, warna –warna tersebut akan didapatkan berdasarkan pemilihan kriteria yang diinputkan oleh user, dimana dari pemilihan keriteria tersebut akan dimasukkan dalam sistem fuzzy, dimana output dari sistem tersebut akan menghasilkan rekomendasi seperti contoh pada gambar di atas.
Pada penelitian ini ada 3 warna yang digunakan dalam penentuan rekomendasi yaitu merah, kuning dan hijau. Merah menandakan prioritas pertama, kuning prioritas kedua dan hijau menjadi prioritas ketiga.
2. Rancangan Input
Input dari sistem yang dibangun dalam penelitian ini adalah berupa pemilihan kriteria yang dilakukan oleh user. Ada 3
kriteria variabel yang akan dipilih oleh user yaitu:
1. Kriteria suhu perangkat Node-B. 2. Kriteria umur maintenance site.
3. Kriteria revenue site.
Rancangan input seperti pada gambar 2 berikut ini :
Gambar 2. Rancangan input pemilihan kriteria
Pada sistem input tersebut, user akan melakukan pemilihan kriteria pada variabel suhu, umur maintenance, dan revenue site. Hasil Pemilihan kriteria tersebut menjadi input untuk pembentukan himpunan fuzzy berupa nilai fungsi keanggotaan dari masing-masing variabel untuk diolah oleh sistem dalam menghasilkan nilai rekomendasi dalam pemilihan site sesuai dengan kriteria yang diinputkan oleh user. 3. Rancangan Basis Data
Pada penelitian ini kita menggunakan basis data Tahani, maka struktur basis data yang digunakan adalah struktur basis data relasional. Ada 4 tabel yang digunakan dalam perancangan aplikasi dashboard ini, tabel-tabel tersebut adalah:
1. Tabel Data Site 2. Tabel Data Node-B
KOPERTIS WILAYAH X 195
3. Tabel Batas Himpunan 4. Tabel Mu
Gambar 3 dibawah merupakan relasi antar tabel:
Gambar 3. Relasi antar tabel
Implementasi Kasus Menggunakan Fuzzy Logic
Berikut ini adalah implementasi fuzzy logic untuk penyeleksian site berdasarkan kriteria variabel-variabel dari perangkat Node-B dengan ketentuan adalah suhu perangkat Node-B PANAS, Umur
maintenance TUA dan Revenue site GOLD. Dalam kasus ini jumlah site yang diberikan sebanyak 20 site. Dalam penyelesaian kasus tersebut ada 3 tahapan yang dilakukan oleh sistem yaitu: pembentukan fungsi keanggotaan oleh masing-masing variabel, pembentukan query dan terakhir adalah pemilihan hasil rekomendasi dari tabel hasil. Proses tersebut akan dijelaskan pada tahapan berikut ini.
Fungsi Keanggotaan
Data-data yang ada berupa 20 jumlah site yang beroperasi di Pekanbaru milik PT Telkomsel. Setiap variabel fuzzy menggunakan fungsi keanggotaan bahu dan segitiga sebagai pendekatan untuk
memperoleh derajat keanggotaan suatu nilai dalam suatu himpunan fuzzy.
a. Variabel Suhu
Variabel suhu akan dibagi menjadi 3 himpunan fuzzy, yaitu : SEJUK, HANGAT dan PANAS. Himpunan SEJUK dan PANAS menggunakan pendekatan fungsi keanggotaan berbentuk bahu, sedangkan himpunan HANGAT menggunakan pendekatan fungsi keanggotaan berbentuk segitiga. Gambar 4 dibawah memperlihatkan fungsi keanggotaan pada variabel suhu.
Gambar 4. Fungsi keanggotaan pada variabel suhu
Fungsi keanggotaan pada variabel suhu dapat di rumuskan sebagai berikut :
Tabel 1 dibawah menunjukkan hasil perhitungan derajat keanggotaan dari 20 perangkat Node-B pada variabel suhu.
KOPERTIS WILAYAH X 196
Tabel 1. Derajat keanggotaan pada variabel suhu
No Site ID Suhu Derajat Keanggotaan ([x]) Sejuk Hangat Panas
1 PBR405 44 0.100 0.900 0.000 2 PBR822 45 0.000 1.000 0.000 3 PBR067 46 0.000 0.900 0.100 4 PBR772 47 0.000 0.800 0.200 5 PBR024 48 0.000 0.700 0.300 6 PBR486 49 0.000 0.600 0.400 7 PBR809 50 0.000 0.500 0.500 8 PBR237 51 0.000 0.400 0.600 9 PBR869 52 0.000 0.300 0.700 10 PBR708 53 0.000 0.200 0.800 11 PBR046 54 0.000 0.100 0.900 12 PBR715 55 0.000 0.000 1.000 13 PBR057 56 0.000 0.000 1.100 14 PBR402 37 0.800 0.200 0.000 15 PBR776 38 0.700 0.300 0.000 16 PBR154 39 0.600 0.400 0.000 17 PBR135 40 0.500 0.500 0.000 18 PBR766 41 0.400 0.600 0.000 19 PBR417 42 0.300 0.700 0.000 20 PBR295 43 0.200 0.800 0.000
b. Variabel Umur Maintenance Site
Variabel umur maintenance site akan dibagi menjadi 3 himpunan fuzzy, yaitu :
MUDA, PAROBAYA dan TUA.
Himpunan MUDA dan TUA menggunakan pendekatan fungsi keanggotaan berbentuk bahu, sedangkan himpunan PAROBAYA menggunakan pendekatan fungsi keanggotaan berbentuk segitiga seperti yang diperlihatkan pada gambar 5.
Gambar 5. Fungsi keanggotaan pada variabel umur maintenace site
Fungsi keanggotaan pada variabel umur maintenance site dapat di rumuskan sebagai berikut :
Tabel 2 menunjukkan hasil perhitungan derajat keanggotaan dari 20 Perangkat Node-B pada variabel maintenance site.
Tabel 2. Derajat keanggotaan pada variabel maintenance site
No Site ID
Umur Mainte-nance
Derajat Keanggotaan ([x]) Muda Parobaya Tua
1 PBR405 48 0.000 0.600 0.400 2 PBR822 49 0.000 0.550 0.450 3 PBR067 50 0.000 0.500 0.500 4 PBR772 51 0.000 0.450 0.550 5 PBR024 52 0.000 0.400 0.600 6 PBR486 53 0.000 0.350 0.650 7 PBR809 54 0.000 0.300 0.700 8 PBR237 55 0.000 0.250 0.750 9 PBR869 56 0.000 0.200 0.800 10 PBR708 57 0.000 0.150 0.850 11 PBR046 58 0.000 0.100 0.900 12 PBR715 59 0.000 0.050 0.950 13 PBR057 60 0.000 0.000 1.000 14 PBR402 18 1.000 0.000 0.000 15 PBR776 19 1.000 0.000 0.000
KOPERTIS WILAYAH X 197 16 PBR154 20 1.000 0.000 0.000 17 PBR135 21 0.950 0.050 0.000 18 PBR766 22 0.900 0.100 0.000 19 PBR417 23 0.850 0.150 0.000 20 PBR295 24 0.800 0.200 0.000
c. Variabel Revenue Site
Variabel Revenue site akan dibagi menjadi 3 himpunan fuzzy, yaitu : BRONZE, SILVER dan GOLD. Dimana untuk penghasilan (revenue) site kecil (dalam satuan jutaan) masuk dalam BRONZE, untuk penghasilan (revenue) site sedang (dalam satuan jutaan) masuk dalam kategori SILVER, dan untuk penghasilan (revenue) site besar (dalam satuan jutaan) masuk dalam kategori GOLD.
Gambar 6. Fungsi keanggotaan pada variabel revenue site
Himpunan BRONZE dan GOLD menggunakan pendekatan fungsi keanggotaan berbentuk bahu, sedangkan himpunan SILVER menggunakan pendekatan fungsi keanggotaan berbentuk segitiga seperti diperlihatkan pada gambar 6 diatas.
Fungsi keanggotaan pada variabel Revenue site dapat di rumuskan sebagai berikut:
Tabel 3 menunjukkan hasil perhitungan derajat keanggotaan dari 20 perangkat Node-B pada variabel revenue site.
Tabel 3. Derajat keanggotaan pada variabel revenue site
No Site ID Revenue
Derajat Keanggotaan ([x]) Bronze Silver Gold
1 PBR405 240 0.100 0.900 0.000 2 PBR822 250 0.000 1.000 0.000 3 PBR067 260 0.000 0.900 0.100 4 PBR772 270 0.000 0.800 0.200 5 PBR024 280 0.000 0.700 0.300 6 PBR486 290 0.000 0.600 0.400 7 PBR809 300 0.000 0.500 0.500 8 PBR237 310 0.000 0.400 0.600 9 PBR869 320 0.000 0.300 0.700 10 PBR708 330 0.000 0.200 0.800 11 PBR046 340 0.000 0.100 0.900 12 PBR715 350 0.000 0.000 1.000 13 PBR057 150 1.000 0.000 0.000 14 PBR402 160 0.900 0.100 0.000 15 PBR776 170 0.800 0.200 0.000 16 PBR154 180 0.700 0.300 0.000 17 PBR135 190 0.600 0.400 0.000 18 PBR766 200 0.500 0.500 0.000 19 PBR417 210 0.400 0.600 0.000
KOPERTIS WILAYAH X 198
20 PBR295 220 0.300 0.700 0.000
Pembentukan Query
Pada penelitian ini, pembuatan query
menggunakan operator AND atau OR untuk menghubungkan antar variabel. Untuk operaror AND, berdasarkan jumlah variabel yang digunakan, yaitu sebanyak 3 variabel fuzzy. Setiap variabel fuzzy terbagi atas 3 himpunan fuzzy, dan kemungkinan membebaskan kategori (tidak memilih himpunan apapun). Sehingga total setiap variabel memiliki 4 kemungkinan pilihan. Dengan demikian, banyak kombinasi pilihan kategori untuk ketiga variabel fuzzy adalah 43 = 64 kombinasi pilihan.
Berikut ini adalah contoh kasus untuk penyeleksian kriteria dari variabel-variabel dari perangkat Node-B dengan ketentuan adalah suhu perangkat Node-B PANAS, Umur maintenance TUA dan revenue site
GOLD yang dieksekusi dengan menggunakan Structure Query Language
(SQL). SQL yang dibentuk adalah sebagai berikut:
SELECT SiteID, Suhu,
Umur_Maintence, Revenue, (Suhu + Umur_Maintence + Revenue)/3 AS rekomendasi FROM SiteID WHERE
Suhu=’Panas’ AND
Umur_Maintenance=’Tua’ AND Revenue=’Gold’;
Hasil yang diperoleh tertuang pada tabel 4 dibawah.
Tabel 4. Hasil Query 1
No SiteID Suhu Umur_ Mainte nance Reven ue Hasil 1 PBR405 0.000 0.400 0.000 0.133 2 PBR822 0.000 0.450 0.000 0.150 3 PBR067 0.100 0.500 0.100 0.233 4 PBR772 0.200 0.550 0.200 0.317 5 PBR024 0.300 0.600 0.300 0.400 6 PBR486 0.400 0.650 0.400 0.483 7 PBR809 0.500 0.700 0.500 0.567 8 PBR237 0.600 0.750 0.600 0.650 9 PBR869 0.700 0.800 0.700 0.733 10 PBR708 0.800 0.850 0.800 0.817 11 PBR046 0.900 0.900 0.900 0.900 12 PBR715 1.000 0.950 1.000 0.983 13 PBR057 1.100 1.000 0.000 0.700 14 PBR402 0.000 0.000 0.000 0.000 15 PBR776 0.000 0.000 0.000 0.000 16 PBR154 0.000 0.000 0.000 0.000 17 PBR135 0.000 0.000 0.000 0.000 18 PBR766 0.000 0.000 0.000 0.000 19 PBR417 0.000 0.000 0.000 0.000 20 PBR295 0.000 0.000 0.000 0.000
Dashboard Hasil Rekomendasi
Pembentukan dashboard menggunakan aturan pewarnaan seperti tertuang pada tabel 5 sebagai berikut :
Tabel 5. Aturan hasil dan warna dashboard
No Aturan pada Hasil Warna Prioritas
1 Hasil >= 0, dan Hasil <= 0.33 Hijau 3 2 Hasil >= 0.34, Hasil <= 0.67 Kuning 2 3 Hasil >= 0.68, Hasil <= 1 Merah 1
Dari aturan pembentukan dashboard antara hasil dan warna, maka didapatkanlah tabel 6 berupa dashboard rekomendasi, sebagai berikut:
KOPERTIS WILAYAH X 199
NO SiteID Suhu Umur_Maintenance Revenue Hasil RekomendasiWarna Perioritas
1 PBR405 0.000 0.400 0.000 0.133 3 2 PBR822 0.000 0.450 0.000 0.150 3 3 PBR067 0.100 0.500 0.100 0.233 3 4 PBR772 0.200 0.550 0.200 0.317 3 5 PBR024 0.300 0.600 0.300 0.400 2 6 PBR486 0.400 0.650 0.400 0.483 2 7 PBR809 0.500 0.700 0.500 0.567 2 8 PBR237 0.600 0.750 0.600 0.650 2 9 PBR869 0.700 0.800 0.700 0.733 1 10 PBR708 0.800 0.850 0.800 0.817 1 11 PBR046 0.900 0.900 0.900 0.900 1 12 PBR715 1.000 0.950 1.000 0.983 1 13 PBR057 1.100 1.000 0.000 0.700 1 14 PBR402 0.000 0.000 0.000 0.000 3 15 PBR776 0.000 0.000 0.000 0.000 3 16 PBR154 0.000 0.000 0.000 0.000 3 17 PBR135 0.000 0.000 0.000 0.000 3 18 PBR766 0.000 0.000 0.000 0.000 3 19 PBR417 0.000 0.000 0.000 0.000 3 20 PBR295 0.000 0.000 0.000 0.000 3
Dari tabel hasil rekomendasi di atas maka terbentuklah hasil tampilan dashboard seperti pada 7 dibawah ini.
Gambar 7. Dashboard hasil rekomendasi HASIL DAN PEMBAHASAN
Sistem ini dirancang khusus untuk membantu pengguna dalam mengetahui tentang kondisi suhu perangkat Node-B
berdasarkan kriteria yang di pilih, sehingga menghasilkan rekomendasi kepada pengguna. Implementasi sistem ini berupa
web online Detector Suhu (Dashboard). Gambar 8 dibawah memperlihatkan menu utama aplikasi dashboard yang
menjadi alat bantu teknisi dalam menentukan prioritas kerja.
Gambar 8. Tampilan Menu Utama Menu Data Site
Pada menu data site akan ditampilkan oleh system seluruh data-data site yang telah diinputkan oleh administrator , tampilannya seperti pada gambar 9 berikut ini.
Gambar 9. Tampilan Menu Data Site
Menu Suhu Perangkat Node-B
Pada menu Suhu Perangkat Node-B akan ditampilkan oleh sistem berupa data suhu dari perangkat yang telah diinputkan dan hasil editan dari administrator , tampilannya seperti pada gambar 10 berikut ini.
KOPERTIS WILAYAH X 200
Gambar 10. Tampilan Menu Suhu Perangkat
Node-B
Menu Maintenance Site
Pada menu Maintenance Site akan ditampilkan oleh sistem berupa data Maintenance Site yang telah diinputkan dan hasil editan dari administrator , tampilannya seperti pada gambar 11 berikut ini.
Gambar 11. Tampilan Menu Maintenance Site
Menu Revenue
Pada menu Revenue akan ditampilkan oleh sistem berupa data Revenue Site yang telah diinputkan dan hasil editan dari administrator , tampilannya seperti pada gambar 12 berikut ini.
Gambar 12. Tampilan Menu Revenue
Menu Himpunan Fuzzy
Pada Menu Himpunan Fuzzy berisi 4 pilihan tampilan yang terdiri dari : derajat Keanggotaan Variabel Suhu, derajat Keanggotaan Variabel Umur Maintenance Site, derajat Keanggotaan Revenue dan Batas Himpunan Fuzzy. Berikut ditampilkan contoh table Derajat Keanggotaan variabel suhu, lihat gambar 13 berikut ini:
Gambar 13. Derajat keanggotaan Variabel Suhu
Menu Pilih Kriteria
Pada Menu Pilih Kriteria, user akan di suruh untuk memilih kriteria dari variable
KOPERTIS WILAYAH X 201
suhu, variable umur maintenance site dan variable Revenue sesuai dengan yang diinginkan oleh user, menu tersebut tampilannya seperti pada gambar 14 berikut ini.
Gambar 14. Tampilan menu pilih kriteria
Tampilan Tabel Hasil Dashboard
Pada Tabel Hasil dashboard,table tersebut merupakan hasil perhitungan oleh sistem dari variable derajat keanggotaan dan script SQL yang dijalankan, menu tersebut tampilannya seperti pada gambar 15 berikut ini.
Gambar 15. Tampilan tabel hasil dashboard
Tampilan Dashboard Hasil Rekomendasi Pada Dashboard Hasil Rekomendasi akan ditampilkan hasilnya berupa gambar dashboard dan warna dashboard, dimana warna tersebut menunjukkan prioritas dalam melakukan troubleshooting dan maintenance oleh teknisi PT Telkomsel Pekanbaru, tampilannya seperti gambar 16 berikut ini.
Gambar 16. Tampilan dashboard hasil rekomendasi
SIMPULAN
Konsep fuzzy Database Tahani berhasil digunakan pada perhitungan sistem untuk mendapatkan hasil berupa dashboard
penentuan prioritas kerja teknisi PT. Telkomsel Pekanbaru. Dashboard
penentuan prioritas kerja teknisi ini telah diuji coba oleh beberapa teknisi PT. Telkomsel dengan hasil respon yang sangat memuaskan karena terbukti mampu memberikan rekomendasi urutan pekerjaan paling urgent yang harus diselesaikan oleh teknisi.
PUSTAKA
Kusumadewi, S. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Edisi 2, Graha Ilmu, Yogyakarta. Lokomedia, Yogyakarta.
KOPERTIS WILAYAH X 202
Suyanto (2014). Artificial Inteligence,
Informatika Bandung, Yogyakarta. Goi, G., Ii, L., Ngurah, B., & Denpasar, R.
(2011). PENERAPAN LOGIKA
FUZZY SEBAGAI SISTEM
PENDUKUNG KEPUTUSAN
PRAKIRAAN CUACA Stasiun Meteorologi Klas I Ngurah Rai Pusdiklat Keuangan Umum Jl . Pancoran Timur II No . 1 Jakarta Selatan. Konferensi Teknologi Informasi Dan Komunikasi Untuk Indonisia, 2011(DeeKy Irmawan), 214–223.
Lumbangaol, R. a. (2013). Sistem pendukung keputusan penanganan gizi buruk pada balita menggunakan metode fuzzy mamdani. Pelita Informatika Budi Darma, 4, 160– 164.
P, S. Y. J., Indrastanti, R. W., & Oktriani, M. (2008). Fuzzy ( Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap ). Informatika, 4, 159–173.